粒子群优化RBF神经网络的光伏阵列故障诊断

被引:25
作者
王福忠
裴玉龙
机构
[1] 河南理工大学电气工程与自动化学院
关键词
光伏阵列; 故障诊断; RBF神经网络; 粒子群算法;
D O I
暂无
中图分类号
TM615 [太阳能发电]; TP183 [人工神经网络与计算];
学科分类号
080811 [新能源发电与电能存储]; 140502 [人工智能];
摘要
光伏阵列能否正常工作直接关系到整个光伏发电系统运行的安全性和可靠性。对于光伏阵列故障诊断中传统的BP神经网络诊断算法准确率低、收敛速度慢等问题,提出一种基于粒子群优化RBF神经网络的故障诊断算法。建立以光伏阵列的4种故障特征参数为输入、5种情况为输出的故障诊断模型,对基于粒子群算法的网络模型的自适应权重寻优进行仿真实验。最后,将优化算法与BP神经网络算法以及RBF神经网络算法进行对比。实验结果表明,优化算法不仅可以有效地诊断光伏阵列的故障类型,而且还可以提高故障诊断的准确率。
引用
收藏
页码:93 / 98
页数:6
相关论文
共 15 条
[1]
光伏阵列故障检测方法的研究 [D]. 
李兵峰 .
天津大学,
2010
[2]
免疫粒子群优化RBF神经网络的变压器故障诊断 [J].
李浩 ;
王福忠 ;
王锐 .
自动化仪表, 2016, 37 (11) :4-7+11
[3]
基于粒子群网络的提升机制动系统故障诊断 [J].
刘景艳 ;
王福忠 ;
李玉东 .
控制工程, 2016, 23 (02) :294-298
[4]
基于BP神经网络的光伏组件故障类型诊断 [J].
杨店飞 ;
郭宇杰 ;
沈桂鹏 .
陕西电力, 2016, 44 (02) :15-21
[5]
基于RBF神经网络和自适应遗传算法的变压器故障诊断 [J].
刘景艳 ;
王福忠 ;
杨占山 .
武汉大学学报(工学版), 2016, 49 (01) :88-93
[6]
基于RBF神经网络的光伏电池故障诊断 [J].
乐治后 .
上海电气技术, 2015, 8 (03) :28-32
[7]
基于BP神经网络的光伏阵列智能故障诊断 [J].
张文瑾 ;
葛强 ;
黄澄扬 ;
周晨 ;
葛中强 .
扬州大学学报(自然科学版), 2015, 18 (01) :32-35
[8]
基于神经网络的光伏阵列局部阴影建模研究 [J].
张杰 ;
王宏华 ;
韩伟 .
机械制造与自动化, 2014, 43 (02) :87-90
[9]
光伏发电系统故障诊断方法综述 [J].
钟小凤 ;
贺德强 .
装备制造技术, 2013, (11) :46-49
[10]
基于BP神经网络的光伏阵列故障诊断研究 [J].
王元章 ;
吴春华 ;
周笛青 ;
付立 ;
李智华 .
电力系统保护与控制, 2013, 41 (16) :108-114